پیش بینی مکانی ظرفیت باربری خاک با استفاده از شبکه های عصبی مصنوعی:پایان نامه ارشد عمران

آگوست 23, 2016 Off By 92

پایان نامه های عمران

عنوان کامل این پایان نامه :

 مدل پیش بینی مکانی ظرفیت باربری خاک با استفاده از شبکه های عصبی مصنوعی

تکه هایی از متن :

 

3-12-4 آموزش و آموزش متقابل1

مجموعه داده قابل دسترسی عموماً به سه قسمت برای آموزش، آموزش متقابل و تصدیق اعتبار  تقسیم بندی می گردد. هدف از آموزش عبارتست از تعیین مجموعه ای از وزن های ارتباطات و حدود آستانه گره ای، که سبب می شود تا شبکه عصبی مصنوعی خروجی هایی را تخمین بزند که به میزان کافی به مقادیر هدف نزدیک باشند. مجموعه داده رزرو شده برای آموزش برای حصول این هدف بکار گرفته می شود. این کسر از کل داده ای که قرار است بمنظور آموزش استفاده شود باید شامل الگوهای کافی باشد تا اینکه شبکه بتواند روابط زیربنایی میان متغیر های ورودی وخروجی رابه میزان کافی تقلید نماید. به وزنها ومقادیر آستانه در شروع کار،  مقادیر کوچک و تصادفی داده می شود (معمولاً 0.3-  تا 0.3). در طول آموزش، این مقادیر براساس خطا، یا اختلاف بین خروجی شبکه عصبی مصنوعی و پاسخ های هدف تنظیم می گردند. این تنظیم مقادیر    می تواند بطور بازگشتی آنقدر تکرار شود تا یک فضای وزن پیدا شود که منتج به کوچکترین خطای کلی پیش بینی شود.

البته با این روش، خطر بیش آموزشی ِ شبکه نیز وجود دارد که به آن بیش تطبیقی1 گفته می شود. این اتفاق زمانی رخ می دهد که پارامتر های شبکه برای مجموعه داده آموزشی بسیار دقیق میزان سازی می شوند. این مانند آن است که شبکه، در فرایند تلاش برای “یادگیری” قوانین زیربنایی، شروع به تلاش برای تصحیح بخش نویز داده را نیز کرده باشد. بعبارت دیگر، بیش آموزش، باعث می شود تا یک شبکه بجای بخاطر سپردن روندهای موجود در مجموعه داده بعنوان یک کل، صرفاً یکسری نمونه های واحد را بخاطر بسپارد.  وقتی چنین اتفاقی می افتد، شبکه عملکردی بسیار عالی را بر روی مجموعه داده آموزشی به معرض نمایش می گذارد، در حالیکه با داده هایی غیر از آن مجموعه آموزشی، توانایی های پیش بینی ضعیفی را از خود بروز می دهد. بمنظور پیشگیری از چنین بیش تطبیقی هایی، اغلب یک زیر روال آموزش متقابل توصیه می گردد. هدف از چنین زیر روالی، متوقف کردن آموزش در مواقعی است که شبکه شروع به بیش آموزشی می نماید. بخش دوم داده بدین منظور رزرو می شود. پس از تنظیم پارامترهای شبکه در هر دوره، شبکه عادت دارد تا خطای آن مجموعه داده را بیاید. ابتدا، خطاهای هر دو مجموعه داده ی آموزش و آموزش متقابل پایین می آیند. بعد از آنکه یک مقدار بهینه از آموزش بدست آمد، خطای مجموعه آموزش به کاهش خود ادامه داده، اما خطاهای مجموعه آموزش متقابل روبه افزایش می گذارد. این نشان دهنده آن است که آموزش بیشتر احتمالاً منجر به بیش تطبیقی بر روی داده آموزشی در شبکه خواهد گردید. در این لحظه، فرآیند یادگیری متوقف شده و فرض بر آن گذاشته  می شود که مجموعه وزن ها و مقادیر آستانه جاری مقادیر بهینه هستند. حال شبکه بعنوان ابزاری پیش بینی کننده قابل استفاده است. چنانچه مجموعه داده قابل دسترسی برای تقسیم بندی خیلی کوچک باشد، ساده ترین راه برای اجتناب از بیش تطبیقی، توقف آموزش در زمانی است که میانگین مجذور خطا بطور چشمگیری از کاهش باز می ایستد.

متن کامل پایان نامه در لینک زیر:

aroow-down-thesis-8

 دانلود متن کامل پایان نامه رشته عمران با فرمت ورد :مدل پیش بینی مکانی ظرفیت باربری خاک با استفاده از شبکه های عصبی مصنوعی